Muestreo y tamao de muestra

Introduccin
Partiendo de la importancia que tiene para cualquier profesional e investigador
conocer varios conceptos importantes de la estadstica para poder desarrollar
exitosamente una investigacin de cualquier ndole, en el presente trabajo nos
proponemos dar tratamiento a algunos elementos de la estadstica matemtica de
la forma mas elemental posible para que pueda ser asimilada por cualquier
profesional sin tener en cuenta su especialidad ya sea de las ciencias sociales
como de las ciencias exactas.
Nuestro propsito es encaminar al profesional en:

Conocer el aparato conceptual necesario desde el punto de vista

estadstico para emprender de forma slida y cientfica una investigacin.
Mostrar algunas de las formas cientficas de obtener una muestra.
Tipo de muestreo a utilizar segn el inters del profesional.
Como determinar el tamao de muestra necesario para el desarrollo de la
investigacin.

Dentro de esa gama de conceptos primarios tenemos los siguientes:

Poblacin.
Muestra
Parmetro
Estadstico
Error muestral
Nivel de confianza
Varianza poblacional
Inferencia estadstica

Desarrollo
Poblacin. No es ms que aquel conjunto de individuos o elementos que le
podemos observar, medir una caracterstica o atributo.
Ejemplos de poblacin:

El conjunto formado por todos los estudiantes universitarios en Cuba.

El conjunto de todos los estudiantes de una Universidad.
El conjunto de personas fumadoras de una regin.

Son caractersticas medibles u observables de cada elemento por ejemplo, su

estatura, su peso, edad, sexo, etc.

Supongamos que nos interesa conocer el peso promedio de la poblacin formada

por los estudiantes de una universidad. Si la universidad tiene 5376 alumnos,
bastara pesar cada estudiante, sumar los 5376 pesajes y dividirlo por 5376. Pero
este proceso puede presenta dificultades dentro de las que podemos mencionar:

localizar y pesar con precisin cada estudiante:

escribir todos los datos sin equivocaciones en una lista:
efectuar los clculos.

Las dificultades son mayores si en nmero de elementos de la poblacin es

infinito, si los elementos se destruyen, si sufren daos al ser medidos o estn muy
dispersos, si el costo para realizar el trabajo es muy costoso.
Una solucin a este problema consiste en medir solo una parte de la poblacin
que llamaremos muestra y tomar el peso medio en la muestra como una
aproximacin del verdadero valor del peso medio de la poblacin.
El tamao de la poblacin es la cantidad de elementos de esta y el tamao de la
muestra es la cantidad de elementos de la muestra. Las poblaciones pueden ser
finitas e infinitas.
Los datos obtenidos de una poblacin pueden contener toda la informacin que se
desee de ella. De lo que se trata es de extraerle esa informacin a la muestra, es
decir a los datos muestrales sacarle toda la informacin de la poblacin.
La muestra debe obtener toda la informacin deseada para tener la posibilidad de
extraerla, esto slo se puede lograr con una buena seleccin de la muestra y un
trabajo muy cuidadosos y de alta calidad en la recogida de los datos.
Es bueno sealar que en un momento una poblacin puede ser muestra en una
investigacin y una muestra puede ser poblacin, esto esta dado por el objetivo
del investigacin, por ejemplo en el caso de determinar la estatura media de los
estudiantes universitarios en Cuba una muestra poda ser escoger algunas
universidades del pas y realizar el trabajo, si por el contrario se quiere saber la
estatura promedio de los estudiantes de una universidad en especifico en Cuba,
entonces el conjunto formado por todos los estudiantes de esta universidad sera
la poblacin y la muestra estara dada por los grupos, carreras o aos
seleccionado para realzar el experimento.
Parmetro : Son las medidas o datos que se obtienen sobre la distribucin de
probabilidades de la poblacin, tales como la media, la varianza, la proporcin,
etc.
Estadstico. Los datos o medidas que se obtienen sobre una muestra y por lo
tanto una estimacin de los parmetros.
Error Muestral, de estimacin o standard. Es la diferencia entre un estadstico y
su parmetro correspondiente. Es una medida de la variabilidad de las
estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una
nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una
muestra se aleja del valor que se hubiera obtenido por medio de un censo

completo. Siempre se comete un error, pero la naturaleza de la investigacin nos

indicar hasta qu medida podemos cometerlo (los resultados se someten a error
muestral e intervalos de confianza que varan muestra a muestra). Vara segn se
calcule al principio o al final. Un estadstico ser ms preciso en cuanto y tanto su
error es ms pequeo. Podramos decir que es la desviacin de la distribucin
muestral de un estadstico y su fiabilidad.
Nivel de Confianza. Probabilidad de que la estimacin efectuada se ajuste a la
realidad. Cualquier informacin que queremos recoger est distribuida segn una
ley de probabilidad (Gauss o Student), as llamamos nivel de confianza a la
probabilidad de que el intervalo construido en torno a un estadstico capte el
verdadero valor del parmetro.
Varianza Poblacional. Cuando una poblacin es ms homognea la varianza es
menor y el nmero de entrevistas necesarias para construir un modelo reducido
del universo, o de la poblacin, ser ms pequeo. Generalmente es un valor
desconocido y hay que estimarlo a partir de datos de estudios previos.
Inferencia estadstica. Trata el problema de la extraccin de la informacin
sobre la poblacin contenida en las muestras.
Para que los resultados obtenidos de los datos muestrales se puedan extender a
la poblacin, la muestra debe ser representativa de la poblacin en lo que se
refiere a la caracterstica en estudio, o sea, la distribucin de la caracterstica en la
muestra debe ser aproximadamente igual a la distribucin de la caracterstica en la
poblacin.
La representatividad en estadstica se logra con el tipo de muestreo adecuado que
siempre incluye la aleatoriedad en la seleccin de los elementos de la poblacin
que formaran la muestra. No obstante, tales mtodos solo nos garantizan una
representatividad muy probable pero no completamente segura.
Despus de estos preliminares imprescindibles es posible pasa a tratar algunas de
las formas que desde el punto de vista cientfico se puede extraer una muestra.
Al realizar un muestreo en una poblacin podemos hablar de muestreos
probabilsticos y no probabilsticos, en nuestro caso nos referiremos a los
muestreos probabilsticos y dentro del mismo estudiaremos el muestreo aleatorio
simple (MAS), como mtodo bsico en la estadstica, el muestreo estratificado y el
muestreo por racimos.
Muestreo aleatorio simple: Es aquel en que cada elemento de la poblacin tiene
la misma probabilidad de ser seleccionado para integrar la muestra.
Una muestra simple aleatoria es aquella en que sus elementos son seleccionados
mediante el muestreo aleatorio simple.
En la prctica no nos interesa el individuo o elemento de la poblacin seleccionado
en general, sino solo una caracterstica que mediremos u observaremos en l y
cuyo valor ser el valor de una variable aleatoria que en cada individuo o elemento
de la poblacin puede tomar un valor que ser un elemento de cierto conjunto de

valores. De modo que una muestra simple aleatoria

se puede

interpretar como un conjunto de valores de variables aleatorias

independientes, cada una de las cuales tiene la misma distribucin que es llamada
distribucin poblacional.
Existen dos formas de extraer una muestra de una poblacin: con reposicin y sin
reposicin.
Muestreo con reemplazo: Es aquel en que un elemento puede ser seleccionado
ms de una vez en la muestra para ello se extrae un elemento de la poblacin se
observa y se devuelve a la poblacin, por lo que de esta forma se pueden hacer
infinitas extracciones de la poblacin aun siendo esta finita.
Muestreo sin reemplazo: No se devuelve los elementos extrados a la poblacin
hasta que no se hallan extrados todos los elementos de la poblacin que
conforman la muestra.

1.

La estadstica como mtodo de investigacin cientfica

Este autor considera, en contraposicin de otros investigadores, que en toda
investigacin deben aplicarse los distintos estadgrafos que aportan la
estadstica descriptiva e inferencial, que posibilita un anlisis mucho ms
cientfico del objeto de estudio investigado y coadyuva a la asuncin y
comprobacin de las hiptesis planteadas, entre otras. Es por ello que en
este trabajo se considera conveniente dejar bien claro qu es la estadstica y
qu papel juega en una investigacin cientfica.

2.

Algunos presupuestos tericos

De muchos autores consultados, y por razones obvias de espacio, se analizarn

dos conceptos de estadstica: el que emiten Montgomery (1996) y el de Devore
(2000), los que plantean:
"El campo de la estadstica tiene que ver con la recopilacin, presentacin, anlisis
y uso de datos para tomar decisiones y resolver problemas." (Montgomery, 1996;
1).
"Es la rama de la investigacin cientfica que proporciona mtodos para organizar
y resumir informacin y usar sta para obtener diversas conclusiones" (Devore,
2000; 1).
Al analizar ambos conceptos se puede llegar a la conclusin que son similares,
pero Montgomery no la define como una rama de la ciencia; que Devore si lo
hace, al decir que: () es la rama de la investigacin cientfica que proporciona
mtodos para organizar y resumir informacin y usar sta para obtener diversas
conclusiones."
La definicin de Devore es la asumida por este autor por considerar a la
estadstica como una rama de la investigacin cientfica y porque adems,

establece que la estadstica proporciona mtodos para organizar y resumir

informacin, que luego sern usadas para obtener diversas conclusiones; es
decir, que no se trata solamente de organizar y recopilar datos para resolver
problemas, como plantea Montgomery. De ello se infiere que: la estadstica es un
mtodo de investigacin que se conjuga con los mtodos tericos y empricos de
sta y que se imbrica con el mtodo matemtico, por ser es una rama de ella y
que es considerada como una ciencia exacta.
Cuando una investigacin es apoyada por mtodos estadsticos, resulta obvio que
constituye una herramienta poderosa mediante la cual se resumen los datos y se
obtienen conclusiones de stos, que coadyuva al desarrollo de una investigacin,
a lo que modestamente agregara que: "la estadstica es el arte se hacer hablar a
los nmeros de manera cientfica, lo que permite resultados ms pertinentes en
una investigacin".
A la mayora de los investigadores les resulta difcil determinar el tamao de una
muestra y siempre que se hace existe la incertidumbre si sta es o no
verdaderamente representativa, por lo que debemos preguntarnos: Qu es una
muestra representativa? Qu es lo que verdaderamente hace representativa una
muestra?
Existen infinidad de criterios acerca de lo que es representatividad de una
muestra. Si hiciramos esta pregunta a distintos investigadores, evidentemente
obtendramos respuestas diversas, y en su mayora pemeada por el factor
subjetivo de lo que esas personas entienden por representatividad. As que es
mejor partir de las definiciones de representar, representativo y representatividad,
donde:

Representar, v. a. Presentar de nuevo. Informar, declarar, Ser imagen de

una cosa, reproducir, expresar, imagen, figura, Diccionario Larousse.
Representar (del lat. repassentre): Ser imagen o smbolo de una cosa, o
imitarla perfectamente. Diccionario Enciclopdico Hispano-Americano.
Representativo, v. a. adj. Que representa: signos representativos de la
riqueza. Diccionario Larousse.
Representativo, v. a. adj. Dcese de lo que sirve para representar otra
cosa. Diccionario Enciclopdico Hispano-Americano.

En estas definiciones se observa que si representar no es ms que expresar,

reproducir una cosa, o ser su imagen, y que representativo es lo que sirve para
representar otra cosa, por lo tanto: representatividad, es la cualidad de lo
representativo, de aqu que si algo est bien representado, se puede decir
entonces que ese algo tiene representatividad acerca de la otra cosa que
representa.
Es por ello que al seleccionar una muestra, si se sabe que sta constituye un
subconjunto de la poblacin, debemos tener cuidado que la misma tenga las
mismas propiedades de la poblacin y que obedezca a determinados argumentos,
desde el punto de vista estadstico, para decir que la misma es una muestra
representativa.

Pero antes de analizar en qu consiste estos argumentos estadsticos, para

llamarlo de alguna forma prctica, resulta necesario dejar bien claro lo que es
universo o poblacin y muestra, lo que a estos fines se har mediante ejemplos
para que el lector le resulte ms comprensible.
1.

Concepto de Universo o poblacin

Si por ejemplo, una investigacin tiene como objetivo aportar una serie
de indicadores para evaluar la calidad del trabajo metodolgico en la
Educacin Tcnica y Profesional (ETP en lo adelante) en la provincia
de Holgun; el objeto de estudio, entre otras cosas, tiene como Universo
o poblacin al claustro de profesores, dirigentes y estudiantes de toda la
provincia de Holgun, pero de la ETP.
Si por el contrario, esta investigacin se circunscribe a las escuelas
politcnicas de la ETP del municipio de Holgun, ahora el universo o
poblacin no estar constituida por los profesores, dirigentes y
estudiantes de la ETP de cada uno de los 14 municipios de la provincia
sino que estar constituida por los profesores, dirigentes y estudiantes
de la ETP, nicamente del municipio de Holgun. Por lo que ahora
observe que la universo o poblacin ha cambiado a un sector ms
estrecho: de aqu la relatividad de la poblacin a tomar en una
investigacin.
Si este mismo ejemplo se circunscribe a todas las escuelas de oficios
del municipio de Holgun, resulta evidente que la poblacin ya no
estar constituida por todos los estudiantes de la ETP, sino slo los de
las escuelas de oficio y por consiguiente, se excluye de ellas las que
forman tcnicos medios de este municipio.
De todos los ejemplos acotados es importante observar que la poblacin
no la conforman estudiantes, profesores y dirigentes de cualquier
entidad o sector; por el contrario, todos se refieren al sector de la
educacin y dentro de ste no a cualquier subsistema de enseanza,
sino especficamente al de la Educacin Tcnica y Profesional. Por lo
que el primer requisito que deben tener los objetos (pueden ser
personas o cosas) que conformarn el universo o poblacin es que
deben tener las mismas caractersticas o propiedades, de aqu el
carcter homogneo de la misma.
Tambin muy importante para el investigador dejar bien claro cul es su
objeto y campo de estudio, porque los mismos determinarn la poblacin
a trabajar.

2.

Qu entiende por poblacin estadstica?

Poblacin [poblacin] f. [Del lat. populato, -nis ]

1. Accin y efecto de poblar.

2. Conjunto de personas que habitan la Tierra o cualquier divisin

geogrfica de ella.
3. Conjunto de edificios y espacios de una ciudad.
4. Conjunto de individuos de la misma especie que ocupan una
misma rea geogrfica.
5. Conjunto de los individuos o cosas sometido a una
evaluacin estadstica mediante muestreo.
Egaa (2003), plantea: "Se considera poblacin como un conjunto de individuos, o
ms general, de elementos, con una caracterstica observable (medible) ()".
Este ponente considera que:
"Poblacin es el conjunto de todos los individuos, objetos,
procesos o sucesos homogneos que constituyen el objeto de
inters. La poblacin se relaciona directamente con el campo de
estudio" (Morguez, 2006).
Es indudable, que a partir del concepto anterior, que es el asumido en este
trabajo, se observe una dicotoma entre los objetos (personas o cosas), procesos
y sucesos que cumplen con determinadas caractersticas ya que stos pueden
ser: infinitos, por ejemplo el estudio de las estrellas, entre otras; o por el contrario,
pueden ser finitos, como los ejemplos antes expuestos.
Como el objetivo de este trabajo est encaminado a las investigaciones sociales,
entre ellas las educacionales, resulta evidente que siempre se trabajar con
poblaciones finitas.
En todos los casos analizados en que la poblacin ha variado, se llega a la
conclusin que resulta imposible poder trabajar con uno y cada una de las
personas u objetos que conforman la poblacin por razones econmicas y
operativas, de aqu que es imprescindible obtener un subconjunto de elementos
representativos de esta poblacin homognea para trabajar con ella y eso no es
ms que la muestra; de aqu que se adopte el concepto de muestra que emite
Murray (1961) y Ogaa (2003) cuando expresan que la misma es un
subconjunto o parte de una poblacin. De aqu que tengan las mismas
caractersticas o propiedades de la poblacin de donde se tom.
Ya se tiene claro que es una muestra y que la misma tiene que ser extrada de la
poblacin objeto de estudio, pero el problema est dado en cmo puede ser
extrada la misma y cuntos elementos se deben tomar de una poblacin para
decir que hay una calidad en su representacin, o lo que es lo mismo, que hay
representatividad.
Si una muestra es representativa, entonces se puede inferir toda una serie de
importantes conclusiones acerca de la poblacin (estadstica inductiva o inferencia
estadstica) o describir caractersticas observadas en la muestra (estadstica
descriptiva), que permita posteriormente hacer inferencias con relacin a la

poblacin. Es por ello importante que todo investigador deje bien claro que la
muestra asumida es representativa de la poblacin extrada.
Entonces: Cmo hacer para que una muestra sea representativa? De qu
forma se puede extraer la muestra de una poblacin? Cuntas personas u
objetos tomar de una poblacin para que sea lo ms equitativa posible con
relacin a las distintas escuelas, grupos o sectores que conforman la poblacin?
Para contestar estas interrogantes primero se partir de los tipos de muestras que
se pueden asumir en una investigacin.

1.

Tipos de muestra

Hay varios criterios para clasificar las muestras, pero se adoptar el criterio que
emite Freud (1977), Rivas (1991), Morguez (2005), entre otros, por ser uno de los
ms difundidos y empleados en la actualidad.
Las muestras se agrupan en dos grandes dimensiones: Aleatoria y no aleatoria y
dentro de sta se puede observar otras clasificaciones, siendo ests:

1.

Aleatorio Simple: Le da la probabilidad a cada uno de los miembros

de una poblacin a ser elegidos. Es uno de los ms empleados y
recomendado en las investigaciones sociales y educacionales, ya que
este principio de darle la oportunidad a cada uno de los miembros de la
poblacin a ser elegidos o tomados como muestra, es lo que permite
obtener conclusiones en la muestra e inferir lo que pudiera ocurrir, a
partir de sta, en la poblacin, con un elevado grado de pertinencia.
Estadsticamente permite inferir a la poblacin los resultados obtenidos
en la muestra (Devore, 2000), (Montgomery, 1999), (Siegel, 1997),
2.
Aleatorio Sistemtico: Se hace una lista de la poblacin a
intervalos fijos, bien sea tomando el coeficiente de elevacin (ce) como
punto de partida; donde:

3.

V. g: Si la poblacin P = 100
elementos y la muestra
n= 20, entonces:

Qu quiere decir esto?

Indica que cada vez que se produzcan piezas en mltiplos de 5, ser

seleccionada una para la realizacin de determinada medicin, etc.
elementos u objetos producidos (si se tratara de un proceso de
produccin de piezas).

Tambin se puede extraer de la lista cada ensimo caso, este mtodo

se emplea mucho en los controles de calidad de producciones seriadas
y masivas; pero tambin puede ser empleado en las investigaciones en
general.
4.

Aleatorio Estratificado: Es otra variacin del aleatorio simple y

consiste en subdividir a la poblacin en subgrupos o estratos ms
homogneos, de los que se toman muestras aleatorias simples de cada
uno de dichos estratos. Hay que evitar que los estratos no se traslapen.
(superpongan o que existan elementos de un estrato en otro).

2.1) Muestreo no aleatorio por accidente: El investigador incluye

los elementos que le son ms convenientes para la muestra.
2.2) Muestreo no aleatorio intencional o de juicio: La idea bsica
que involucra este tipo de muestra, es que la lgica y el sentido
comn pueden usarse para seleccionar la muestra que sea
representativa de una poblacin. Ej. Seleccin de expertos por el
mtodo de experto.
2.3) Muestreo por cuotas: sta se obtiene al especificar las
caractersticas deseadas de los sujetos que se desea recoger la
informacin y se le deja libertad al investigador para que le aplique
los instrumentos necesarios a las personas con esas caractersticas.
Ej. Se desea hacer un estudio de una poblacin estudiantil de los
estudiantes que han repetido el 6. grado y tiene determinada edad o
situacin en el hogar.
Como en la mayora de las investigaciones educacionales se trabajan con
estratos, los cuales pueden ser escuelas: de una provincia, o de un municipio,
grupos de una escuela o de diferentes escuelas, se dirigir la atencin de este
trabajo a exponer de forma prctica cmo seleccionar la muestra de una poblacin
conformada por una poblacin de todas los institutos politcnicos del municipio de
Holgun, a los efectos de aplicar instrumentos diagnstico de una investigacin
acerca de Cmo se ha desarrollado el trabajo metodolgico en dichas escuelas?

1.

Seleccin de la muestra estratificada a partir de la poblacin

seleccionada
Para poder seleccionar la cantidad de escuelas politcnicas a tomar como
muestra del total de institutos politcnicos (7) del municipio de Holgun, lo
cual constituye la poblacin, vamos a emplear un estadgrafo, que permite
determinar el tamao de la muestra a partir de la poblacin y teniendo en
cuenta el nmeros de estratos a trabajar (en este caso 7, que son los
institutos politcnicos). Para ello plantearemos una metodologa a seguir:

1.

Determinacin de la cantidad de estratos de la poblacin del

territorio
Relacionamos la cantidad de estratos que tiene la poblacin, en este
caso son los institutos politcnicos que tiene el municipio de Holgun:
No Nombre de los Institutos Politcnicos
1

Pedro Daz Coello

Panchito Gmez Toro

Camilo Cienfuegos G

Luis de Feria Garayalde

Jos Gmez Wangemert

Politcnico 26

Gral. Calixto Garca iguez

Observe que a cada estrato (escuela) se le hizo corresponder un

nmero, comenzando del 1. Este nmero ser constante para cada
centro de ahora en adelante.
La cuestin est dada en determinar del total de centros, cuntos
tomaremos como muestra aleatoria simple, por lo que para ello se
aplicar el siguiente estadgrafo:
a.

Determinacin de la muestra.

(1), (2)
(*)
Donde:
n0: Cantidad terica de elementos de la muestra.
n: Cantidad real de elementos de la muestra a partir de la poblacin
asumida o de los estratos asumidos en la poblacin.

N: Nmero total de elementos que conforman la poblacin, o nmero de

estratos totales de la poblacin.
z: Valor estandarizado en funcin del grado de confiabilidad de la muestra
calculada. Por ejemplo, si consideramos trabajar con un 95 % de
confiabilidad la muestra seleccionada, entonces el valor estandarizado
asumir es igual a 1.96 (Para dos colas).
Algunos valores estandarizados (z) en funcin de grado de confiabilidad asumido
(para dos colas):
Para un: 99 % ------------- z = 2, 58 (Empleado con frec.)
95 % ------------- z = 1, 96 (El ms empleado)
90 % ------------- z = 1, 64
: Error asumido en el clculo. Toda expresin que se calcula contiene un
error de clculo debido a las aproximaciones decimales que surgen en la
divisin por decimales, error en la seleccin de la muestra, entre otras, por
lo que este error se puede asumir entre un 1 hasta un 10 %; es decir, que
se asume en valores de probabilidad correspondiente entre un 0.01 hasta
un 0.1. No obstante, se propone la siguiente tabla para valores ptimos del
error para el clculo del nmero de estratos de una muestra:

Para 3 N 10 --------------------- Se asume = 0.1 (un error del 10 %).

Para N > 10 --------------------- Se asume = 0.05 (un error del 5 %).

q: probabilidad de la poblacin que no presenta las caractersticas.

Este es un parmetro muy importante, debido a que mediante el mismo se asume
qu por ciento o proporcin de la muestra no puede presentar las mismas
caractersticas de la poblacin, debido a diversos factores subjetivos y objetivos de
los individuos u objetos que conforman la poblacin. Muchos autores plantean
esta probabilidad entre un 1 hasta un 25 %, otros asumen, cuando no se conoce
esta variable asumir el valor mximo de 50 %. Del estudio realizado por este autor
se propone la siguiente tabla:

Para 3 N 19 ------- Se asume q = 0,01 (un 1 %).

Para 20 N 29 ------ Se asume q = 0,01 hasta 0,02 (del 1 al 2 %).
Para 30 N 79 ----- Se asume q = 0,02 hasta 0,05 (del 2 al 5 %).
Para 80 N 159 ---- Se asume q = 0,05 hasta 0,10 (del 5 al 10 %).
Para N 160 --------- Se asume q = 0,05 hasta 0,20 (del 5 al 20 %).
p: Probabilidad de la poblacin que presenta las caractersticas. Dicho de
una forma ms comprensible, es la probabilidad que tiene la muestra en
poseer las mismas cualidades de la poblacin (homogeneidad) y est
determinada por:
Como p + q = 1 (Probabilidad mxima) [ p = 1 q
a.

b.

Determinacin del grado de confiabilidad y con ello el

valor de z
En el problema en cuestin se asumi un grado de confiabilidad de
un 95 %, por lo tanto: z = 1,96

c.

Determinacin del valor del error asumido en el clculo

Como el nmero de estratos (escuelas del municipio de Holgun) es
igual a 7, entonces estamos trabajando con valores de N menores
de 11, por lo que se asume un 10 % (0,1), que es un valor
recomendado para muestras pequeas o menores de 11.
Entonces:
= 0, 1

d.

Determinacin del valor de la probabilidad que tiene la

muestra de no poseer las mismas cualidades de la poblacin
(q)
Del anlisis anterior, como el nmero de estratos es igual a 7,
entonces aplicando la tabla para los valores de q, se asume trabajar
con el 1 %, luego: q = 0.01

e.

Clculo de la probabilidad que tiene la muestra de poseer

las mismas cualidades de la poblacin (p)
Como ya se determin el valor de q (probabilidad de la proporcin
que no presenta las caractersticas), se puede determinar p
mediante la expresin: p = 1 q, luego:
p = 1 q [ p = 1 0, 01 = 0, 99 p = 0, 99

f.

Clculo del tamao de la muestra terica (n0)

Por la expresin (1) se puede sustituir los valores de cada variable
y determinar el valor de n0 por:
n0 = 3,80

g.

Clculo del tamao de la muestra real (n)

Por la expresin (2) se puede sustituir los valores de cada variable y determinar el
valor de n por:

n=2
Es importante acotar que el valor de N que se toma corresponde al total de los
estratos (cantidad de escuelas politcnicas del municipio de Holgun).
De lo anterior se tiene que de un total de 7 escuelas que constituyen la cantidad
total de estratos que tiene la poblacin, considerando un 95 % el nivel de
confianza, asumiendo que el error de clculo () sea de un 10 % (0,01) y
considerando que solamente el 1 % de la muestra seleccionada no rena las
caractersticas de la poblacin (q= 0, 01), se determin que la muestra
representativa de dicha poblacin puede ser dos estratos (escuelas).
De lo anterior se infiere que la representatividad de una muestra est dada en
considerar que la misma fue extrada de una poblacin con un determinado nivel
de confianza (se trabaja preferiblemente con un 95 % de confianza o ms), de
asumir un determinado porcentaje en el error de clculo, que debe estar
comprendido entre un 1 hasta un 10 % (0,01 hasta 0,10); y de considerar un
adecuado porcentaje (desde un 1 hasta un 20 %) en valores probabilsticos (0, 01
hasta 0, 2) de que la muestra no posee las caractersticas de la poblacin. Esto se
puede graficar de la siguiente forma:

Para seleccionar la cantidad de centros a escoger como muestra se trabaj con la

siguiente tabla:

Como se puede apreciar, trabajando con un 95 % de confianza, y asumiendo un

error de un 10 %, y considerando que la muestra seleccionada puede no contener
iguales propiedades de la poblacin en un 1 %, la muestra a escoger del municipio
de Holgun es de 2 centros, los que fueron seleccionados de forma aleatoria, por

lo que esto permite hacer inferencias de lo que ocurre en dicha muestra con
relacin a la poblacin objeto de estudio.
Ahora lo que queda es ver cmo se seleccionarn cada uno de los estratos que
contiene cada centro, con relacin a la cantidad de estudiantes a seleccionar por
ao y especialidades de ambos centros, de manera tal que dicha seleccin sea
proporcional a cada uno de dichos estratos, veamos cmo proceder:

1.

Seleccin del tamao de cada estrato de las muestras

seleccionas
Para ello nos auxiliaremos de la tabla del anexo 1 en la que se han
estratificado los estudiantes de cada centro (previamente seleccionados),
distribuidos por aos y especialidades, de manera que siguiendo la misma
metodologa anterior podamos determinar la cantidad de estudiantes que
tendr la muestra a partir de la poblacin constituida por la matrcula total de
ambos centros (1993 estudiantes), -vea el carcter relativo que tiene la
poblacin, anteriormente explicado.
Una vez seleccionada la muestra del total de ambas escuelas, el problema
est en cmo proceder para distribuir sta de manera equitativa o
proporcional, con relacin a cada estrato constituido por cada centro,
matrcula por ao y por especialidades de stos, mediante la aplicacin de la
metodologa planteada.
a.

Determinacin de la muestra para ambas escuelas

Como se aprecia en el anexo 1 y la tabla siguiente, la matrcula de
dichas escuelas por especialidades y aos (estratos) est dada
como sigue:
Especialidad

Matrc.

Elctrica

360

Electrnica

515

Artesana

121

Construcciones Metlicas

27

b) Politcnico 26
Construccin Civil

400

Viales

126

Geodesia y Cartografa

94

Artesana

84

Gestin Documentos

94

Bibliotecologa

118

Lengua de Sea

39

Albailera

15

Total escuela

970

Total General

1993

Es importante observar que en este paso interesa solamente la

distribucin por ao y especialidades de ambos centros, as como
la matrcula total que constituir la poblacin a seleccionar de
ambas escuelas politcnicas.
Por lo que ahora aplicaremos determinaremos la muestra a
seleccionar de una poblacin de 1993 estudiantes.
b.

Clculo del tamao de la muestra

Para calcular el tamao de la muestra se debe trabajar con las
expresiones (1) y (2):

Por lo que resulta evidente que hay que determinar los valores de z,
, q y p, para calcular el tamao de la muestra terico y con este
valor determinar, en la frmula (2) el valor real de la muestra a
seleccionar de ambas escuelas.
c.

Determinacin del grado de z

Se sabe que el valor de z, que no es ms que la variable estandarizada para un

grado de confianza determinado, que en este caso se asume trabajar con un 95 %
de confianza, por lo que si se busca este valor en la funcin de Excel (Ver anexo

2) como DISTR.NORM.ESTAND.INV(0.975), que equivale a trabajar con la

probabilidad de 0.975, ya que si se trabaja con un nivel de confianza del 95 %,
quiere decir que el valor de alfa es igual a 0.05 (probabilidad de que no se cumpla
el nivel de confianza del 95 %); pero como se trabaja con dos colas, debido a que
no conocemos si esta probabilidad es mayor o menor, solamente que es igual o
desigual, entonces el valor de alfa (0,05) de divide por dos (dos colas) y este valor
se le resta a la probabilidad mxima de que ocurra un hecho (1) y obtenemos el
valor de: 1 0.025 = 0.975.
Cuando este valor se busca en la funcin de Excel
DISTR.NORM.ESTAND.INV(0.975) el resultado que genera es igual a (1.96), que
no es ms que el valor de z estandarizado para la probabilidad del 95 % de
confianza. Esto tambin se puede encontrar en cualquier libro de estadstica
donde contenga la tabla de distribucin normal. Por ejemplo en el anexo 2 se
puede apreciar que si en la tabla se entra con la probabilidad de 0.975 se obtiene
el valor de z = 1, 96 (Ver anexo 2).
a.
b.

Z = 1.96
Determinacin del error de clculo
Ya conocemos que en todo tipo de clculo siempre que se trabaje con
nmeros fraccionarios, siempre se tendr que suprimir determinada cantidad
de cifras al aproximar los clculos efectuados, es por ello que siempre
induciremos un error de clculo, adems de considerar otros tipos de errores
al seleccionar una muestra, que puede ser susceptible a nuestra forma de
tomar los datos, hacer las mediciones, entre otros, es de aqu que se debe
prever el porcentaje del error que se admitir en el clculo de la muestra.
Anteriormente se dijo que Para N > 10 (recordar que ahora N=1993), se debe
asumir el error = 0.05; que es lo mismo que considerarlo en un 5 %: ste es
el valor a tomar.

c.
d.

= 0.05
Determinacin de la probabilidad q
Se sabe que al realizar el clculo de una muestra se debe considerar un
porcentaje o una proporcin de elementos que puedan incluirse en dicha
muestra, pero que no renan las caractersticas de la poblacin, a lo que a
esta probabilidad se le ha llamado q y se sugiere que para N 160, se
considera q = 0.02 hasta un 0.2 (un error del 2 al 20 %). Para el clculo en
cuestin se asume q = 0,08; es decir, se consider un 8 %
q = 0,08

e.

Determinacin de la probabilidad p
Como la probabilidad de considerar la proporcin de elementos que renen
las mismas caractersticas de la poblacin se determina por la expresin: p =
1- q, entonces al sustituir a q en la misma tenemos: p = 1- 0,08 = 0,92

p = 0,92
f.

Clculo de no
Sustituyendo en la frmula (1) se calcula dicho valor quedando:

n0 = 113.09
g.
h.

Clculo de n

Conocido el valor de la muestra terica calculada, procedemos a determinar el

valor de la muestra real mediante el empleo de la ecuacin (2) en la que:

Ello indica que del total de la matrcula de 1993 estudiantes, sera suficiente
seleccionar 107 de ello de forma aleatoria simple, considerando que se ha
trabajado con un 95 % del nivel de confianza, de cometer un 5 % de error y de que
en nuestra muestra un 8 % no renan las caractersticas de la poblacin; por lo
que se puede considerar a dicha muestra representativa en estos parmetros
seleccionados.
Ahora queda determinar cmo vamos a distribuir la muestra a seleccionar entre
esas dos escuelas, aos y especialidades (estratos), asunto que resolveremos de
inmediato.
n = 107
Debemos seleccionar 107 estudiantes de la poblacin de ambas escuelas.
1.

Clculo de la proporcin de cada estrato

Para ello debemos auxiliarnos de la tabla anterior, a la que se le ha incorporado

una columna que va a contener la proporcin que cada estrato representa con
relacin a la matrcula total de ambos centros.
Resulta evidente que para obtener la proporcin de cada estrato slo hay que
buscar la razn entre las matrculas de cada especialidad y el total de cada
escuela contra la matrcula total de ambos centros; as que por ejemplo: para
determinar la razn entre la matrcula de la especialidad de Elctrica de la escuela
Lus de Feria, slo debemos dividir dicha matrcula (360) entre el total de ambas
(1993):
Elctrica (escuela Lus de Feria) = 360/1993 = 0, 18
Electrnica (escuela Lus de Feria) = 515/1993 = 0, 26

En la tabla se puede apreciar cada uno de los valores calculados para cada
estrato, por lo que se dejar indicado en la misma (ver anexo 1).
a) Lus de Feria
Especialidad

Matrc. Prop

Muestra

Elctrica

360

19

Electrnica

515

28

Artesana

121

Construcciones Metlicas

27

Total de escuela

1023

b) Politcnico 26
Construccin Civil

400

21

Viales

126

Geodesia y Cartografa

94

Artesana

84

Gestin Documentos

94

Bibliotecologa

118

Lengua de Sea

39

Albailera

15

Total escuela

970

52

Total General

1993

107

Muestra total a seleccionar

107

Se puede apreciar de la tabla, que las proporciones encontradas permite poder

hacer una distribucin ms racional de la muestra total; por lo que si a sta le
corresponde 107, resulta evidente que para determinar la cantidad de estudiantes
a seleccionar por especialidad y escuela solamente debemos multiplicar la
proporcin por el total de la muestra y obtenemos lo que buscamos; veamos:
Por ejemplo, para la primera proporcin de elctrica (de la escuela Lus de Feria)
(vea tabla anterior), si multiplicamos: 0,18 x 107 = 19, 6 = 19 estudiantes para esta
especialidad; lo que quiere decir que debemos seleccionar de esta especialidad a
19 estudiantes en esta escuela. De una forma anloga se completa la tabla y se
obtienen los valores que aparecen en la ltima columna.
Resulta interesante analizar que cuando la suma de ambas escuelas no lleguen al
total de la muestra, debido a las aproximaciones decimales con que se ha
trabajado, entonces se puede aumentar en uno algunas de los estratos con
valores menores, hasta que dicha suma sea igual a la calculada: en este caso
107.
Es importante que esta parte sea trabajada en Excel, ya que permite ahorrar toda
una serie de clculos y adems se puede visualizar, en forma de tabla, como la
mostrada en el anexo 1.
Al observar dicha tabla (anexo 1), analice como se procedi para determinar la
proporcin de cada uno de los estratos que conforman los aos de cada una de
las especialidades; por ejemplo, para determinar la proporcin que representa la
especialidad de Elctrica de 1. ao de la escuela Lus de Feria que tiene una
matrcula en ese ao de 81 estudiantes. Por lo que si queremos determinar la
proporcin que representa esta cifra con relacin a la matrcula total 1993 de
ambas escuelas, tendremos entonces que dividir 81/1993 = 0, 04, que es el valor
que aparece en la tabla del anexo 1.
De manera anloga se determinaron cada una de las proporciones de cada ao,
especialidad y centro y al multiplicar cada una de stas por la cantidad total de la
muestra a seleccionar para ambas escuelas obtuvimos de manera proporcional
cmo debamos de seleccionar la muestra de cada ao, especialidad y escuela.
Es importante acotar que podemos hacer lo mismo, en el caso de que existan
varios grupos de un mismo ao y especialidad, estableciendo la proporcin de la
matrcula de cada grupo contra la matrcula del ao y como ya se sabe la cantidad
de estudiantes que debemos seleccionar por ao, resultara muy fcil determinar
la cantidad de estudiantes por grupo que debemos de extraer mediante el mtodo
aleatorio simple.